start	end	text
0	6000	各位朋友大家好。歡迎大家關注昆蓬道。今天告訴大家一個好消息。Deepseek V4.1 Flash這個模型正式開源了。
6000	15000	那它目前已經把它的模型全中上傳到Hugging Face了。然後官方提供的是一個應該是一個FP8的格式的一個模型。
15000	26000	模型全中的510個G。我們來看一下它相關的一些參數。那本次它是一個552B的一個大模型。也是一個MOE的架構。
26000	28760	然后他本次调整的那个是他的一个CDE的架构
28760	30680	就是由原来的40层的这个转换器
30680	36500	然后现在优化成了改成20层的英国编码器和后面接了20层的解码器
36500	43900	这样的话能够实现前局的KV缓存来进行加速
43900	49780	就是让他能够实现就是预填充的时候
49780	52280	它是一个激活参数是8B的
52280	56520	然后解码的时候它的速度是16B的
56520	60040	这样的话又实现了一个全新的一个技术架构
60200	62040	能够实现大模型的一个推理速度加速
62400	64760	然后本次它的这一次的模型
64760	66240	已经全量在他们官网上线了
66240	68040	而且它官网已经把Deepseek v4 Pro
68040	71640	已经路由到它的Deepseek v4 Flash 4.1的模型上面来了
71960	74360	而且它经过它的架构优化
74440	76600	能够让它的kb缓存降低了
76920	78640	就是降低到原来的1%
78640	85500	另外一个就是他用了一个压缩的吸收注意力的算法
85500	91080	然后能够实现也是一个主要是用来加速的
91080	94080	在各个层级用的吸收索引器
94080	96360	然后来进行限制索引
96360	98220	然后实现的一个推理的一个加速
98220	101580	我觉得这块确实在DeepSick在这方面
101580	103200	还是做了很多的一个功夫
103200	105240	另外的一个就是他的一个MHC
105240	108320	这个之前他已经在他的开源的项目里面
108320	109040	也多次提到过
109040	112160	包括他的enggram的一个存储器
112160	113160	然后很早的时候
113160	116000	应该是在25年11月份左右的时候
116000	116920	他开源出来的
118000	120360	另外一个就是他本次是一个全新的
121120	122760	完整的多模态的一个大模型
123000	124520	他跟原来Deepseek v4 flash
124520	126520	相当于在前面加了一个补丁包
126520	128720	不一样的是他本次的多模态
128840	132080	是用了Deepseek v4的一种技术架构
132080	135360	然后它是从预训练的时候
135360	138280	就已经开始用到了多谋态的一个预料
138280	139320	来进行训练
139320	142120	所以他说它是一个原生的多谋态大模型
142120	143640	这个是没有问题的
143640	147080	我们可以看一下它的一个分数
147080	150000	它本次也很克制
150000	153080	然后它在Terminal Branch Center上面的话
153080	154440	能拿到了一个30分
154440	157440	然后比Kimi5.3都要好一些
157440	159960	然后比Opus5还是差的很多
159960	160560	我们可以看一下
160560	162900	然后和GPT5.6
162900	164120	其实GPT6一出来了
165320	166640	所以说还是有很大的一个差距的
166640	168240	在国内在Terminibank上面
168240	168960	当然这些
170080	170680	这叫什么
171320	174260	这些压测的测试的数据集
174260	176040	包括算法都是国外的他们做的
176040	180560	有可能都是由OpenAI或者说Cloud他们定义的
180560	181880	就谁定义谁说算嘛
181880	183080	他肯定的数据会好一些
183760	185200	当然了这个不能绝对
185200	187160	人家的模型确实我们承认他比较先进
187400	189880	另外一个在Deep SWE上面
189880	191880	v1.1的版本测试数据以上的话
191880	193720	他应该是拿到了一个最好的成绩
193720	197840	然后在安全的测评的上面也拿到了一个88分
197840	201240	然后在自动化上面也拿到了一个54分
201240	204280	目前我看到网上很多的用户评论说
204280	205840	把它接到Deepseek里面去
205840	209520	目前接到Codex里面去用Codex Computer Use
209520	213080	是目前性价比和成功率最高的模型之一
213080	213880	除了Deepseek
213880	217160	除了GPT官网之外
217160	221360	然后本次算是Deep Seek真正的机身
221360	224000	然后世界前沿级的大模型
224000	226020	多模态加一照上下文态这个梯堆
226020	228660	目前国内相当于是第三家
228660	231160	第一家相当于是Kimi
231160	234020	第二家相当于是千问
234020	236400	但千问38刚开始推出来的不是多模态的
236400	237000	我也很奇怪
237000	237740	不知道他现在是不是
237740	239880	我们就把它放在这一列里面
239880	241860	因为我之前说国内只有一家的时候
241860	243660	就有人在评论区说千问也是
243660	245700	我记得千问38刚出来的时候
245700	246760	它是一个文本的多模态
246760	249380	因为大家都知道我其实没有做测试
249380	251620	就是没有深入的测试
251620	252240	卖Token Plan
252240	253720	然后限制太多了
253720	254580	所以我就放弃了
254580	258640	然后这个是它的整个的一个测评的一个分数
258640	260260	比如说在各个领域
260260	261800	然后还是非常亮眼的
261800	262700	这个黑色的就表示
262700	265500	它是目前的在已知的测评的这些里面
265500	269360	效果是最好的
269360	271580	我们可以看一下
271580	273460	这个是它的一个base模型
273460	275260	和它的对就是这个模型
275260	282920	它在很多的参数已经非常接近V4 Pro和已经超过的Pro的模型
282920	287060	所以说他们官网已经把这个Pro路由到这个模型上面来
287060	288900	第一个是为了降低它的一个推理成本
288900	293000	第二个也是因为这个模型的能力确实提升非常明显
293000	295800	还有一个的最主要原因是网上被很多用户吐槽
295800	297400	Deepstick V4 Pro的幻觉比较严重
297400	300800	实际上我使用下来整体感觉还是非常不错的
300800	303700	这些测评的分数我们就不一一讲
303700	305260	因为刚才我们已经带大家看了一下
305260	307340	它跟国外的这些模型的做一些对比
307340	310060	其实我们可以看到目前它应该是
310060	313660	牺牲到了国内的大模型的第一体队
313660	314260	毫无疑问
314260	317140	所以说DeepSick还是非常强的
317940	322660	目前它官方还没有去推出
322660	324420	然后VM和SGLAN部署的
324420	325660	然后我相信应该很快
325660	327660	VM和SGLAN就有对您的支持
327660	329340	就算没有对您也有对一的支持
329340	331420	刚才我们在一个我们私有化
331420	333020	部署大模型的群里面就有人说
333020	335380	今天晚上想蹲一个4.1的本地部署
335380	336060	我感觉够呛
336060	337740	其实我们手上也有机器
337740	339900	但是不打算部署了
339900	342740	因为它500多G的话
342740	344380	说实话我们就算部署起来的话
344380	346660	速度应该也不会很快
346660	348140	还有一个原因是
348140	351780	它官网的版本应该是加了Dspark
351780	352540	然后进行加速
352540	353820	但是它开源的版本里面
353820	354900	我刚才翻了一下
354900	357260	它的文件里面好像没有相关的一些描述
357260	358900	我们再等一等看看
358900	361700	三方会不会把Dspark给它接入进去
361700	362940	他官网的现在这个速度
362940	365700	我相信他应该是把despark已经接入进去了
365700	367780	那好的
367780	369860	如果你对大模型感兴趣的话
369860	370620	可以关注一下
370620	375800	然后来在你的API里面切换一下
375800	377760	其实我上一个视频里面也已经讲到了
377760	379120	就是DeepSick最新的模型
379120	380720	然后我们来也看一下同步的
380720	383060	看一下他们最新的官网的一个描述
383060	386880	我们可以看到他的官网又更新了
386880	388160	原来右侧的是一个招聘的
388160	388900	现在不招了
388900	389580	也不是不招了
389580	391060	他应该是更新了一个
391060	393700	然后我们来到它的开放平台上
393700	394180	我们来看一下
394180	396760	这个是它的接口文档
396760	398940	我们重点看它模型的一个更新
398940	401560	目前在它的接口文档里面
401560	402440	还是两个模型
402440	405980	所以说我们可以看一下模型和价格
405980	409360	冰干压我记得还有一个
409360	412980	Dipsick Flash
412980	416360	Dipsick V4 Pro
416360	419000	它把它的模型
419000	419940	这个4.1 Flash
419940	421780	已经直接切换成这个了
421780	423460	我们来看一下它的
423460	428180	模型名称使用Deepseek V4 Flash
428180	429820	就可以接入到新的模型里面来了
429820	433180	然后旧的V4 Flash和Flash Vision XP
433180	434220	还可以调用
434220	435780	它应该是已经把它路由到
435780	437820	Deepseek V4 E Flash这个模型上面来
437820	439740	然后它的统一名称叫Deepseek V4 Flash
439740	442200	没有V4就是Deepseek Flash模型
442200	443460	新的模型的话
443460	445240	你可以直接使用Deepseek V4 Flash
445240	446720	也可以使用Deepseek Flash
446720	447940	都可以来做我介入
447940	450460	我再给大家带大家来看一下
450460	453240	我们来到我们的7166里面
453240	455780	带大家来做一次配置一下
455780	458180	其他的所有的三方的工具都是一样的
458180	461260	OK
462563	468123	OK。我們在這裡面添加一下模型。OK。添加模型。來做一下檢測。
468123	473403	连接失败
473403	476503	我这个账户应该是欠费的
476503	479703	正好我今天也开玩了一个
479703	484903	我自己的一个本地的大模型的一个推理的框架
484903	486143	然后同时也支持云端
486143	487203	先简单给大家介绍一下
487203	488623	我们这里面有对话
488623	490383	有agent还有视频的通话的
490383	492423	包括这种可以本地和云端的模式
492423	493563	可以跟他先打电话
493563	494743	但是我这个电脑没在我旁边
494743	495903	所以说没办法进行沟通
495903	496643	我们先把它挂了
496643	497863	回头给单独给大家测试
497863	501423	然后这一块是生成本地去生成TTS
501423	502863	然后可以使用Edge TTS
502863	504903	也可以使用所谓OpenAI兼容的协议的
504903	506343	来进行本地去生成音频
506343	508043	这块是生图的
508043	510503	然后也可以用本地的MRX生图
510503	511823	也可以使用云端的一个生图
511823	514663	然后我们可以看一下之前历史生图的一些效果
514663	515543	这是生图的
515543	516483	还有一个OCR
516483	517703	然后上传文档
517703	518883	然后进行OCR提取
518883	519523	这是这个
519523	520483	除了这个之外
520483	521483	我们还有翻译
521483	522763	这是翻译的内容
522763	523523	中英文翻译
523523	525103	还有一个提示词
525103	526403	我们有一个提示词仓库
526403	527263	然后把它集成进来了
527263	532383	而这个仓库也已经在GitHub已经开完了
532383	535423	我们在这个里面就是我们的一个模型
535423	536023	我们可以看一下
536023	538263	Deepseek v4 flash 还有Deepseek flash
538263	539863	这个模型都已经可以了
539863	541863	在我们这个工具里面也可以调用了
541863	542703	我们来给大家测一下
542703	545383	来切到Deepseek v4 flash
545383	547023	Deepseek flash 这个模型
547023	548303	OK 我们可以看一下
548303	554383	不欠
554383	558583	是这个吧
566583	568383	我这个好像有点小问题
568383	569743	我再试一下我们的agent
572803	573803	应该是可以调通的
574623	575363	是没有问题的
575363	576923	然后这个对话应该也是可以的
576923	578063	我再新建一个对话试一下
578063	578603	稍等一下
579783	580843	我们来切换一下
580843	585323	ok 是没有问题的
585323	588723	那好的 今天就介绍在这
588723	589203	谢谢大家
589203	590163	如果大家感兴趣的话
590163	591243	我们这里面的支持的
591243	592323	我们自己的自带的
592323	593883	还Deepseek 千问 质朴
593883	596043	Kimi 豆包 文心一言 腾讯
596043	598723	Binimax 科大讯飞和借阅的
598723	601123	所以这些厂商的大模型在支持
601123	602443	我们内置了一个agent
602443	603603	这个agent是py agent
604643	606363	然后还有一些其他的相关的一些功能
606363	607963	然后主打的就是本地推理
607963	610363	那再顺便再多说两句吧
610363	612203	我们这里面在本地区部署大模型
612203	614123	支持Nameter CPP VRM和SGLAN
614123	615083	然后进行部署
615083	616283	然后在模型库里面
616283	618683	我们有一些自己挑选的模型
618683	619963	可以在这里面来进行管理
619963	621323	然后也可以在这里面进行搜索
621323	622523	下载GGOF格式的
623083	626603	然后这个模型也可以在国内进行下载
626603	627643	我已经做到加速
627643	629403	然后我们把本地的这些模型
629403	629963	启动起来之后
629963	631323	我们做了一个统一的网关
631323	633563	然后接着OpenAPI的一个协议的
633563	634803	VModel然后Chatter
634803	637483	然后Response和VMessage和Speech
637483	641043	然后转翻译的和生图的都有了
641043	644023	后面我们还会打算把minimax H3接进来
644023	644543	好的
644543	645623	今天就介绍在这
645623	646003	谢谢大家